基于动态称量原理的泛函式播种施肥量检测方法

针对动态检测播种施肥量的测量系统易受振动干扰影响且难消除的问题,本文采用高压氮气弹簧的支撑力和S型传感器的拉力组合成称量式播量检测装置,利用压力和拉力之间存在力向相反、幅值呈比例的互补特性,提出了一种泛函式播量检测方法,该方法构建了以目标播量函数为变量的泛函,通过求取泛函极值确定目标播量函数。利用外槽轮式小麦播种施肥机平台,在不同目标播量（225、300、375kg/hm2）和不同车速（3、5km/h,3~7km/h变速）下开展了18组室外车载式小麦播种交叉试验,并应用泛函式播量检测方法获取累积播量和动态播量信息。累积播量的绝对相对偏差的最大值、平均值和标准差分别为5.61%、2.26%和1.58%;动态播量的检测数据在作业面积较小时（少于0.020hm2时）存在较大波动,随着作业面积的增加呈明显收敛趋势,动态播量稳定阶段（作业面积大于0.033hm2）,所有测试最大绝相对偏差为9.61%,单次测试中,最大平均值为4.73%,最大标准差为1.97%。试验结果表明,泛函式播量检测方法能有效获取动态播量和累积播量信息,为播种施肥机的播量检测提供了一种测量方法。     

基于注意力机制的时空卷积数控机床热误差模型研究

为了提高数控机床热误差模型的精度与泛化性,提出了基于注意力机制的长短时记忆卷积神经网络(Long short term memory convolutional neural network based on attention mechanism, AM-CNN-LSTM)热误差模型。利用卷积神经网络提取高维数据空间状态特征的能力和长短时记忆网络提取长时间序列状态特征的能力,构建具有2个支路的热误差模型,分别提取特征后输入到注意力机制中进行特征重要性重构,建立原始数据与热误差的特征映射,最后通过全连接层进行热误差预测。采用G460L型数控机床进行实验数据采集,将不同季节采集到的温度数据和热误差作为模型输入,采用循环学习率与正则化优化方法对模型进行训练。与LSTM、ConvLSTM和CNN-LSTM热误差模型对比,结果表明,AM-CNN-LSTM模型对特征还原能力最强,残差波动范围最小,其残差范围较最大值下降62.09%,模型预测精度在2.4μm以内。     

基于改进YOLO v3的自然场景下冬枣果实识别方法

为实现自然场景下冬枣果实的快速、精准识别,考虑到光线变化、枝叶遮挡、果实密集重叠等复杂因素,基于YOLO v3深度卷积神经网络提出了一种基于改进YOLO v3（YOLO v3-SE）的冬枣果实识别方法。YOLO v3-SE模型利用SE Net 的SE Block结构将特征层的特征权重校准为特征权值,强化了有效特征,弱化了低效或无效特征,提高了特征图的表现能力,从而提高了模型识别精度。YOLO v3-SE模型经过训练和比较,选取0.55作为置信度最优阈值用于冬枣果实检测,检测结果准确率P为88.71%、召回率R为83.80%、综合评价指标F为86.19%、平均检测精度为82.01%,与YOLO v3模型相比,F提升了2.38个百分点,mAP提升了4.78个百分点,检测速度无明显差异。为检验改进模型在冬枣园自然场景下的适应性,在光线不足、密集遮挡和冬枣不同成熟期的情况下对冬枣果实图像进行检测,并与YOLO v3模型的检测效果进行对比,结果表明,本文模型召回率提升了2.43~5.08个百分点,F提升了1.75~2.77个百分点,mAP提升了2.38~4.81个百分点,从而验证了本文模型的有效性。     

基于残差BP神经网络的6自由度机器人视觉标定

基于视觉伺服控制的机器人手眼标定和逆运动学求解一直是视觉伺服领域的核心问题。随着应用场景的逐渐复杂,传统手眼标定方法已无法满足需求;随着网络深度的增加,单一BP神经网络逆运动学求解算法的误差趋于饱和甚至变大,无法进一步提升网络性能。针对以上问题,本文将手眼标定和逆运动学求解融合为拟合目标图像坐标到机器人各关节角之间的映射关系问题,提出了一种残差BP神经网络算法。使用多个残差网络模块的方式加深BP神经网络的深度,残差模块的输入信息可以在网络内跨层传输,较好地解决了因深度增加网络模型容易产生梯度消失而无法提升网络性能的问题;通过6自由度机器人雅可比方程对逆运动学解的空间进行划分,确定了8个独立的区域,基于独立区域方法对训练数据进行处理,从而避免了多自由度机器人逆运动学多解对网络学习的影响,网络训练精度提升了2个数量级,训练速度提高了2倍。在REBot-V-6R型6自由度机器人输送线分拣系统中进行二维平面抓取和三维实物抓取实验,实验结果验证了该方法的准确性。结果表明,该方法比1层BP神经网络、3层BP神经网络、5层BP神经网络的训练精度分别提高了4个数量级、2个数量级、5个数量级,测试精度提高2个数量级;与传统标定方法相比,本文方法节约了逆运动学求解过程的计算成本,抓取位姿精度提高了1个数量级。     

空化射流条件下豆渣不溶性膳食纤维结构与功能性研究

为有效促进豆渣中不溶性膳食纤维的可溶化、提高其功能特性,利用空化微射流技术处理生物酶法制油豆渣膳食纤维,采用X-射线衍射、扫描电子显微镜方法分析不同空化微射流处理时间(0、6、12、18 min)下豆渣膳食纤维的晶体结构及表观形态变化,并通过粒度、持水性、膨胀性、表观粘度、葡萄糖和胆固醇吸附能力对其理化、功能性质进行表征,明确空化射流对其结构、功能及吸附特性的影响。结果显示:经空化射流处理18 min后,样品结构产生粒径减小、结晶度下降、粘度降低等变化;处理12 min时膨胀力、持水力分别达到最大值(13.92±0.78) m L/g、(2.83±0.13) g/g,此时对葡萄糖和胆固醇的吸附能力最佳。研究表明,空化射流可有效促进生物酶法制油豆渣不溶性膳食纤维的可溶化,并显著改善其结构及理化性质。     

基于BP神经网络的日光温室气温预报模型

为建立日光温室中短期气温预报模型,以2个冬季生产季的日光温室实时气温观测资料为基础,利用BP神经网络建模和曲线拟合的方法,对日光温室1~7d气温预报模型进行了研究。结果表明:1)以室外气温为输入要素的温室气温预报模型,最高气温预报值与观测值的符合度指数(D)为0.68~0.93,均方根误差(RMSE)为3.1~6.3℃;2)最低气温预报值与观测值的符合度指数(D)为0.81~0.95,均方根误差(RMSE)1.5~2.2℃;3)日光温室内最低气温预报绝对误差小于2℃的预报准确率Rate(≤2℃)为78%~95%;4)逐时气温预报模型预报值与实测值的符合度指数(D)为0.95~0.99,均方根误差(RMSE)为1.0~2.8℃,逐时气温预报模型预测准确率较高。结合目前气象台站"周预报"结果,模型可较准确地预报温室内1~7d最低气温,并模拟日光温室内气温的逐时变化,可为冬季日光温室低温灾害预警及室内气温调控提供有益参考。     

松嫩草地不同植物功能群土壤细菌的碳源利用

基于Biolog-Eco技术,研究了长期受放牧干扰的松嫩草地羊草(Leymus chinensis)、禾草、豆科植物和杂类草4类植物功能群土壤细菌碳源利用规律。结果表明,4类植物功能群土壤细菌碳源利用情况各不相同。其中,杂类草功能群土壤细菌代谢活性最高,其次是禾草功能群、羊草功能群,豆科植物功能群最低。4类植物功能群土壤细菌均对糖类和氨基酸这两类碳源利用较好,对酚酸和胺类这两类碳源利用情况较差。杂类草的Shannon-Wiener指数,Pielou均匀度指数以及Gini多样性指数最高,而豆科的最低。冗余分析(RDA)表明,土壤中全氮和有机质对杂类草及豆科植物功能群土壤细菌碳源利用情况影响较大,电导率、pH以及含水量则对羊草和禾草功能群土壤细菌碳源利用情况影响较大。     

季节性放牧对草地植物多样性与功能群特征的影响

针对放牧对高寒草地生态系统的影响,通过比较暖季放牧(6月-10月)和冷季放牧(11月-翌年5月)下典型高寒草地物种多样性和功能群特征的变化,分析了高寒草地植物群落对季节性放牧的响应机制。结果表明,暖季放牧草地中物种多样性指数为1.92,均匀度指数为0.78,明显高于冷季放牧草地的1.81和0.74,而冷季放牧草地的丰富度指数为17.45,高于暖季放牧草地的16.45。冷季放牧草地的地上生物量为246.61 g·m~(-2),莎草类和豆科类功能群的生物量比例分别为66.85%和15.86%,其值均高于暖季放牧草地。暖季放牧草地植物总密度为2 064株·m~(-2),明显高于冷季放牧草地的1 394株·m~(-2)。合理的放牧强度下,暖季放牧相比冷季放牧有利于草地群落物种多样性和均匀度的维持,但冷季放牧草地有利于草地群落地上生物量的积累。     

摩天岭北坡东南部不同海拔梯度草本植物群落特征

海拔因子是影响植被生长的主导因子,对生态系统格局与过程有着深远的影响。本研究运用相关分析、逐步回归分析和Pearson相关系数检验对摩天岭北坡南段海拔600-1 500m草本植物多样性以及群落初级生产力进行分析。结果表明,1)物种多度与海拔梯度呈显著正相关关系(R2=0.278 4)(P0.05),植物盖度与海拔梯度呈显著负相关关系(R2=0.43),草本层高度、密度与海拔梯度相关性不显著(P0.05);2)植被地上生物量随海拔梯度的上升表现出先增后减的变化趋势,地下生物量随海拔变化差异较大,表现出先增后减再增的趋势;3)从功能群的角度分析,草本层植物功能群地上生物量和地下生物量随海拔梯度的变化趋势基本一致。摩天岭北坡东南部草本植物群落特征随海拔梯度变化显著,各功能群的地上、地下生物量差异显著。生物量与草本层植被盖度呈极显著正相关(P0.01),生物量与植物高度和密度的相关性不显著,以及植物盖度、高度和密度之间相关程度不高。